检测开源中的 AI 编码智能体：对 1.8 亿个存储库进行验证的多方法普查

生成式 AI 编码智能体 正在进入开源供应链，但其多样化且往往不可见的痕迹导致人们对其流行程度知之甚少。我们引入了一个多层检测框架，该框架集成了 World of Code（1.8 亿多个 Git 存储库）中的配置文件扫描、提交消息分析、作者身份匹配和机器人签名查找，将代理跟踪分为四种行为类型。没有一种方法可以捕获超过一小部分的活动：多方法检测在一个快照中识别出 850,157 个 Claude Code 提交，其中机器人帐户查找_大多数采用研究所依赖的信号_只恢复了 28,154 个 (3.3%)，相对召回差距是 30 倍，因此单信号流行率估计值至少因该因素而存在偏低。每个检测模式均经过手工验证（495 个标签），具有每个细胞的精度​​和 Wilson 置信区间。在 2024 年 12 月至 2026 年 4 月的快照中，提交归因代理每月生成超过 320,000 次提交； Claude Code 处于领先地位（在 17,295 个项目中提交了 886,122 次提交），并在静默、仅配置文件的采用中占据主导地位（21,078 个项目）。与独立拉取请求普查 (AIDev) 相比，这两个渠道捕获了几乎不相交的代理群体 - PR 普查遗漏了 79% 的提交检测到的 Claude Code 采用者和基本上所有 Codex 采用者 - 以及不同类型的工作：PR 部署的云代理（Codex、Cursor）表面为功能工作，而提交部署的编辑器内代理（Claude Code、OpenHands、Aider）表面为维护。观察到的工作配置文件遵循部署和检测模式，而不是工具本身，因此没有一个通道具有代表性。